\n<\/p>\n
(Foto ter illustratie: Chris de Waard) <\/p>\n
Leiden, 9 augustus 2026 om 10:57 uur door de redactie\t\t\t\t\t\t<\/p>\n
Onderzoekers van het LUMC en de Universiteit Leiden hebben een AI-model ontwikkeld dat artsen kan helpen bij het bepalen wanneer een pati\u00ebnt veilig de intensive care (IC) kan verlaten. Het model voorspelt niet alleen het risico dat een pati\u00ebnt opnieuw op de IC-afdeling belandt, maar laat ook zien waarop die voorspelling is gebaseerd.<\/p>\n
Voor IC-artsen is het moment waarop een pati\u00ebnt naar een gewone verpleegafdeling kan een belangrijke afweging. Een te vroeg ontslag vergroot de kans dat iemand opnieuw op de intensive care moet worden opgenomen. Dat hangt samen met meer complicaties en een hoger risico op overlijden. Een pati\u00ebnt onnodig lang op de IC houden is ook niet wenselijk, onder meer vanwege het risico op ziekenhuisinfecties.<\/p>\n
Onderzoekers van het Leids Universitair Medisch Centrum (LUMC) en het Leiden Institute of Advanced Computer Science (LIACS) onderzochten daarom of kunstmatige intelligentie artsen kan ondersteunen bij die beslissing.<\/p>\n
Black box De Leidse onderzoekers ontwikkelden daarom een model dat de risico\u2019s voorspelt aan de hand van een zo klein mogelijk aantal pati\u00ebntkenmerken. Het systeem is getraind met tien jaar aan gegevens van IC-pati\u00ebnten.\u00a0Het algoritme verdeelt pati\u00ebnten in vijf groepen met ieder een eigen risicoprofiel. Daardoor kunnen artsen zien welke factoren bijdragen aan een verhoogde kans op heropname.<\/p>\n Bloedcellen Het systeem is volgens de onderzoekers nadrukkelijk niet bedoeld om de beslissing van artsen over te nemen. Een algoritme kan grote hoeveelheden medische gegevens verwerken, maar ziet de pati\u00ebnt zelf niet. Artsen kunnen hun beslissing daarnaast baseren op hun ervaring en op wat zij aan het bed van de pati\u00ebnt waarnemen.<\/p>\n Het ontwikkelde model wordt op dit moment nog niet in de praktijk gebruikt. Volgens de onderzoekers laat de studie wel zien dat AI de artsen kan ondersteunen zonder dat zij hoeven te vertrouwen op een ondoorzichtige black box<\/em>.<\/p>\n Aan het onderzoek werkten Lincen Yang van het LIACS, technisch geneeskundige Siri van der Meijden en anesthesioloog-intensivist Sesmu Arbous van het LUMC en hoogleraar explainable machine learning Matthijs van Leeuwen van het LIACS mee.<\/p>\n \t\t\t\t\t\tGezondheid<\/a> Leiden<\/a>\t\t\t\t<\/p><\/div>\n
<\/strong>Veel bestaande AI-modellen kunnen volgens de onderzoekers redelijk goed voorspellen welke pati\u00ebnten een hoog risico lopen, maar maken niet duidelijk hoe ze tot die conclusie komen. Andere modellen geven juist wel een verklaring, maar die sluit niet altijd aan bij de medische praktijk en dat is juist op een intensive care-afdeling een probleem. Artsen willen kunnen begrijpen waarom een systeem een bepaald risico aangeeft voordat ze de uitkomst meenemen in een beslissing over een pati\u00ebnt.<\/p>\n
<\/strong>Een van de gevonden risicoprofielen gaat over pati\u00ebnten bij wie het aantal witte bloedcellen in de laatste 24 uur voor hun ontslag sterk stijgt. Dat kan wijzen op een beginnende infectie. Pati\u00ebnten in deze groep bleken meer dan drie keer zo vaak opnieuw op de IC te worden opgenomen dan gemiddeld.\u00a0Voor een arts kan zo\u2019n waarschuwing reden zijn om aanvullend onderzoek te doen of een pati\u00ebnt nog wat langer op de intensive care te behandelen.<\/p>\n